如何在R中合并样本数量不同的两个VCF文件？

R语言（VariantAnnotation包）方案 #

你之前用rbind报错是因为两个VCF的样本列数不匹配，需要先将两个VCF的样本列对齐，补充缺失样本的基因型为缺失值（./.），再进行合并：

library(VariantAnnotation)

# 读取VCF文件，替换为你的参考基因组版本（如hg38）
vcf1 <- readVcf("n1.vcf", "hg19")
vcf2 <- readVcf("n2.vcf", "hg19")

# 获取所有样本的并集
all_samples <- union(colnames(vcf1), colnames(vcf2))

# 扩展两个VCF，补充缺失样本的基因型为缺失值
vcf1_expanded <- expand(vcf1, samples = all_samples)
vcf2_expanded <- expand(vcf2, samples = all_samples)

# 合并VCF
vcf_full <- rbind(vcf1_expanded, vcf2_expanded)

# 保存合并后的文件
writeVcf(vcf_full, "merged.vcf")

命令行（bcftools）方案 #

如果VCF文件较大，用bcftools更高效，自带的合并功能可直接处理不同样本集：

bcftools merge n1.vcf n2.vcf -o merged.vcf --force-samples

--force-samples参数会自动补充缺失样本的基因型为./.，同时统一元信息。

注意事项 #

• 确保两个VCF的参考基因组版本一致，否则需先做链或参考序列的统一处理
• 若两个VCF的INFO/FORMAT字段存在差异，可通过bcftools的--merge参数调整合并规则（如--merge both保留所有字段）

内容的提问来源于stack exchange，提问作者ALESSANDRA